{子标题}

照这样下去膘,还有什么工作AI 不能做?
作者: Robin Austin | 来源:计算机世界
2019-10-09
在我们生活中的每一个角落揭哄、每一扇门背后枫壤,甚至是每一扇窗户都被嵌入了机器学习的人工智能所颠覆额。在每种可能的新兴产品中叛塘,人工智能/机器学习解决方案的升级和广泛的全球可用性使得它们成为了大多数全球企业高管的重要考虑因素茹肥。许多零售和医疗保健管理人员都是人工智能/机器学习的早期采用者凌剔。

 

人工智能/机器学习(AI/ML)的早期采用者

作为早期采用者叔春,只有对人工智能/机器学习认知过程有着更深理解能力的企业高管才能全心全意地在整个企业中部署人工智能/机器学习喝设凛。其余大多数企业高管正在对人工智能/机器学习进行评估段碑,衡量风险与回报爸排柔。德勤腹、麦肯锡佃、普华永道(PWC)凶妮粪、Forrester和IDC等全球的顶级数据分析公司都在为这些高管服务柯拼,帮助他们评估人工智能/机器学习和可能的部署锭撑施。调查显示匿违,在人工智能/机器学习开发的早期阶段峦,高管们都会急于在整个企业中部署它们矮抡莱。

最近立,随着高管们开始转而有计划地在有可能取得成功的部门展开试点部署惨汐惧,人工智能/机器学习的采用速度有所放缓粮诡。但是随着人工智能/机器学习产品和服务的开发皖雄,业界预测至少73%的企业高管将采用某种形式的人工智能/机器学习豌,他们的部署目的不是为了缩减人员鸿甘,而是为了更有效地对人员进行重新定位底,以最为经济有效的方式弥补能力上的短板纬哄矫。再培训不仅可以保持员工的忠诚度罕廊,促进公司的成长某,而且还可以以较低的成本填补一些需求迫切的职位蒙沏。

企业高管希望通过人工智能/机器学习将员工从以下工作中解放出来类颇哇,同时提升服务质量吩:(1)客户服务与支持;(2)销售流程自动化和推荐;(3)威胁情报和预防;(4)欺诈分析和调查;(5)自动预防性维护热衬谰。此外培,还有一些高管希望通过将人工智能/机器学习系统用于交互式建议和推荐当中胎肯绣,以实现智能处理自动化山。

零售业希望增加销售额并防范欺诈行为

据IDC诫蔷停、PWC棉、德勤和麦肯锡等全球知名分析公司预测惰,2019年在线销售额预计将比2018年增加44%瘸白,增长到358亿美元取,全球零售业将在2019年投资约59亿美元用于人工智能/机器学习故聊。银行计划在2019年投资56亿美元边褂衡。零售业将把人工智能/机器学习系统重点用于客户服务郴、销售镰、威胁防护和防欺诈榔镶。同时他们还希望通过更快的实时服务和支持响应时间来提高客户满意度奈。零售业的高管们希望通过增加人工智能/机器学习专家来提高人工智能/机器学习购物推荐的准确性钩点蹿,从而提高销售额拴。通过持续的人工智能/机器学习实时客户培训椒慕嫉,受过良好教育的买家会成为忠诚的客户叼,并能够促进销售额的增长趁甲。目前这一理念已经得到了业界专家的一致认可畔潘。

零售业高管的人工智能/机器学习“投资雷达”可以预防欺诈和阻止威胁臀。在线销售额预计到2020年将超过5910亿美元卢局,到2023年将超过7354亿美元窃蕾容,届时欺诈损失可能会占收入的10%至85%汀七公,具体比例要取决于是否发生勒索软件攻击蹦。尽管网络安全得到了强化冕盟冕,但是这一比例是完全无法预测的侨,因为尽管企业增加了在线保护的投资暇剖蜂,但是没有人会知道效果到底如何枫戮。

每个客户都会为盗窃和欺诈行为买单桶烯博,因为所有损失最终都会以某种方式传递到客户身上伴膏。企业高管是否应该像Facebook那样订阅他们自己的专用社区茸成廖,这样不仅会增加客户互动和销售额盾,还可以帮助警察打击欺诈行为呜剂杀。通过用人工智能/机器学习欺诈预防系统标记社区内的威胁行为皖似搽,可以启动基于策略的适当行动哥揩狸。通过人工智能/机器学习富,零售企业还可以有效地减少因退款或拒收而导致错失销售机遇的情况疗,并以超过当前客户交付期望值的方式提高客户满意度欧肮挝。自动化的客户服务和支持代理(通常是聊天机器人)正在所有拥有在线业务的零售企业中被迅速采用省。

对人工智能/机器学习语音识别系统的竞争将从移动和固定电话领域进入家庭领域推。个性化的常见问题解答和答案僳投荤,更为简便的操作和更为体贴的服务将会赢得更多的订单绊旗。提供产品描述膳、用途建议和必要警告的音频自动化将使得自动化偏好设置更为便捷亢撂趁。购物可以通过语音识别来完成翻靠丘。如果亚马逊的Alexa可以根据人类指令订购披萨弄,那么它们就可以通过人工智能/机器学习自动化指令订购披萨穗铺授。这种自由性和灵活性也会带来一些问题杜缎纠。如今已经出现了针对Alexa和Siri的攻击恃订,攻击者能够让Alexa和Siri打开银行账户并畅通无阻地进行大额购物贪。

人工智能/机器学习可帮助挽救更多生命

医疗管理人员正在迅速接受对人工智能/机器学习的投资吗寺,预计到2025年投资额将达到361亿美元拢呈妙。据分析师报告显示赋窘,今年(2019年)超过1/3的医疗服务提供商的高管们正在投资人工智能/机器学习柯。目前的数据分析表明刻哼斜,可以利用人工智能/机器学习管理许多艰巨的任务尸淡。例如炉乳,通过自助服务终端逗摩,在病人办理就诊登记时收集病史可以节约成本扩俗。自助终端不仅速度更快咯,而且获得患者个人数据的方式更加合规错另。从事医疗保健的专业人员希望患者自己输入其个人数据赐,这样可以防止输入错误或不准确理响。医疗管理人员认为这样做还会降低治理风险溶非熊。为了保证准确性卜划,这些数据还会被实时验证梆,与以前的数据登记记录进行对比(在可用的情况下)订酞。

与其他数据源进行集成也已经在讨论之中税,例如与执法数据库进行整合快,以加强执法部门对犯罪分子的追踪和逮捕朵扣。虽然在某些情况下氦恕,隐私的重要性超过了便利性冈孔仑,进而导致一些讨论受阻无埔,但病人可以选择医疗机构己态耸,选择接受治疗或不接受治疗哦氛樊,就像在线选择进入网站或拒绝一样错。

我们的想法是物联网设备的切换和采用将与人工智能/机器学习结合在一起餐。个人数据可通过可穿戴设备谱,例如通过植入手臂的“芯片”或卡片上的磁条获得臣,这对患者和医疗机构都有着巨大的好处吝踞。除了储存在患者所携设备内的医疗数据之外温藉,它们还可以对一些健康指标进行实时症状监测贾。人工智能/机器学习系统能够实时收集的生命体征谴,如体温伎驮汤、血压记泉破、心率和呼吸甭里,并可在超过医疗阈值时向实时监控中心发出警报函。

医务人员或人工智能/机器学习系统可以通过全球移动通信系统(GSM)和全球定位系统(GPS)借助语音确认患者是否需要帮助袖。毕竟波,我们已经有类似的OnStar瘸、Life Alert和ADT安全监控平台禽胆。当然谅膘,患者必须同意通过GSM和GPS系统进行监控敲该贡,并通过设置允许将病史邵醋、实时生命体征粪韧培、症状和位置提供给这些系统哦势吵。选项快乐赛车这么突然?“那个男的……”设置便于患者提供许可权限和接受服务檄,从而实现挽救生命荒踢。

面部和语音识别可用于物联网设备

物联网设备和自助服务终端都可以使用语音指令扁淳。只需要扫描一下社保卡和驾照哎涡,患者登记程序就可以收集患者的病史睛蔑,同时执行HIPPA和隐私政策以及授权签名和保险查验句。先前的许可数据(如果有的话)也可以根据需要用于验证和更新故吴。读卡器可用于扫描来自磁卡条的数据膘。

当然兔粱,通过物联网可穿戴设备那倦笛,数据可以通过门禁监控系统传输到系统中磷。只需走过设置有人工智能/机器学习医疗设备的检测门或扫描区域对闹,无论是作为患者还是访客进入设施蔷财愧,数据记录都会被自动传输至医疗设施系统中疆。当需要帮助时哼潦琳,只有需要更新的数据才会在下次到访时被上传啸寝孤。

为了防止在患者未到场的情况下个人数据被显示扛澎,面部和语音识别系统可以用来增强安全性并提供实时准确性钝榔。在事故发生后从,救护车的照片会通过人工智能/机器学习门传送给患者颓。检测门监控系统可通过患者具有人工智能/机器学习功能的物联网可穿戴设备获取患者个人信息嫡赔久、病史和生命体征惩掸徘。紧急医疗技术人员(EMT)也可通过其携带的其他人工智能/机器学习设备在患者去医院的途中获取患者的生命体征舶、症状和其他数据枷豪。随后杆拣熟,医院监控系统可以优先安排医生缸、护士奠、医疗技术人员并为患者安排病房测脯死。紧急医疗技术人员还可以根据相关的测试和程序进行深度护理骚搂,在以前这些工作是无法想像的桂欧。

许多害怕会因此丧失匿名性的人认为这类系统会破坏个人自由纪故感,侵犯隐私捍肚菊。作为回应没骋,我想问“如果你无法正常活动翘币,生活只能依靠网络貉背静,那么你会在乎廓叛,甚至会考虑谁能够访问你的数据吗?”对于我来说桃憋,我会非常高兴有人能够分秒必争地拯救我的生命隶拌懦。有意思的是枯,我们应当如何以适当的角度实现即时性和现实性腑怕,以便在患者不同意时仍然能够采取适当的措施号底。

数据隐私会导致合规成本增加只是一种错觉坛猴稳,并且干扰了必要的护理韩。那些企图恶意增加我们成本的不法分子会伤害到那些正常需要数据为我们造福的人称诬。打个比方反惠,你真的认为如果有人一心想要闯入你家挺,你能够把他们拒之门外吗?在某种意义上郸泄椭,人工智能/机器学习至少为此提供了一种解决方案瀑弹。

目前我们已经非常相信这些设备提供给我们的生命体征等信息妥。此外告,人工智能/机器学习系统还可以通过给自助服务终端发送指令的方式收集相关数据并墩幌。虽然人工智能/机器学习尚未发展成为一个完全可值得信赖的诊断和治疗平台搜堵,但是IBM的Watson已经证明它们可以提供一些精确的肿瘤诊疗方案供医生选择媒取玲,并且获得了很高的成功率巩。Watson for Oncology使用自然语言处理和机器学习来提供治疗建议末侣,目前该系统已经作为一种训练有素的认知计算系统被美国纽约斯隆-凯特琳癌症中心(MSK)所采纳堡恋茹。IBM Watson吸收了来自医学文献滥、治疗指南塑粹癌、医疗记录氦堂仙、成像和实验室及病理报告的结构化和非结构化数据控,同时还可利用MSK医疗人员的专业知识来制订治疗建议独慈澜。

针对零售和医疗保健行业的人工智能/机器学习系统已经被早期采用企业的高管们广泛接受班荚,并且正在迅速扩展吨屡牡,因为已证实的成功结果是共享的酣降辫。随着人工智能/机器学习系统的准确性和熟练程度的提高溃咖,几乎所有行业都会受到它们的影响饲。未来船抹,企业将会重新培训和保留人员以弥补短板椭裳,以便更为高效地保持弹性和关联性孺。尽管人工智能/机器学习可能会消除一些职位光唇,但是从长远看人工智能/机器学习可使人员获得额外的教育机会和更高的薪酬职位携峭,让所有人都从中受益何浆。

我们需要让自己接受不断的教育才驹,并及时了解自己可以为企业带来的价值爬。同时为了在未来的经济环境中找到指引和解决方案案羞裙,从而体现自己的价值脖响,我们还应该引导企业的领导层参与这些再培训惫蔷坷。从现在开始攻必,我们要为自己的职业生涯制订一个规划耿抬,其中包括对人工智能/机器学习的运用项裴。

作者暖痹供:Robin Austin从事技术工作已有35年时间并且有着17年从事网络安全工作的经验漠儒,长期关注一些进化性察舰睹、颠覆性和营利性的解决方案拭沸。

编译看限:陈琳华

原文网址郎恐:https://www.cio.com/article/3411057/why-ai-ml-is-top-of-mind-with-corporate-executives.html

责任编辑先烹:周星如